需调用通义千问Embedding模型实现文本向量化，支持五种接入方式：一、DashScope在线API；二、本地加载Qwen3-Embedding-4B模型；三、vLLM部署RESTful服务；四、agentrun平台集成；五、Jupyter交互式推理。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望将非结构化文本转化为可用于语义计算的数值表示，并支撑检索、聚类或RAG等任务，则需调用通义千问Embedding模型完成文本向量化。以下是多种可行的接入路径：
一、通过DashScope在线API调用
该方式无需本地部署模型，适用于快速验证与轻量级集成，依赖阿里云DashScope服务提供的标准化接口，兼容OpenAI格式，适合Python等主流语言开发环境。
1、访问DashScope控制台，开通服务并获取API Key。
2、在项目中安装openai Python SDK：pip install openai。
3、设置环境变量DASHSCOPE_API_KEY为您的密钥值。
4、初始化OpenAI客户端，指定base_url为DashScope兼容端点：https://dashscope.aliyuncs.com/compatible-mode/v1。
5、调用client.embeddings.create方法，传入文本列表与模型名（如text-embedding-v3或text-embedding-v4）。
二、本地加载Qwen3-Embedding-4B模型
该方式支持私有化部署与离线运行，适用于对数据安全要求高、需长上下文处理（最高32K token）或硬件资源可控的场景，模型可在消费级显卡（如RTX 3060，3GB显存）上运行。
1、通过Hugging Face Hub下载模型权重：snapshot_download(repo_id="Qwen/Qwen3-Embedding-4B", local_dir="./qwen3-embedding-4b")。
2、安装transformers与torch库：pip install transformers torch。
3、使用AutoTokenizer与AutoModelForSequenceClassification加载分词器与模型。
4、对输入文本进行tokenize，注意启用return_tensors="pt"、truncation=True与padding=True。
5、执行前向传播，取最后一层隐藏状态的[CLS]位置输出，或采用池化策略（如mean pooling）生成2560维向量。
三、基于vLLM启动RESTful服务
该方式面向生产环境，提供高并发、低延迟的HTTP接口，支持批量向量化请求，适用于需嵌入至Web系统或微服务架构的语义搜索后端。
1、拉取预构建Docker镜像：docker pull qwen/embedding-4b-vllm:latest。
2、运行容器并映射端口：docker run -d -p 8000:8000 qwen/embedding-4b-vllm:latest。
3、向本地服务发送POST请求，目标URL为：http://localhost:8000/v1/embeddings。
4、请求体中需包含字段："model": "Qwen/Qwen3-Embedding-4B"、"input": "待向量化的文本"、"encoding_format": "float"。
四、在agentrun平台中集成向量模型
该方式适用于已使用agentrun构建AI工作流的用户，可统一管理多个向量模型并在知识库、RAG等模块中直接引用，支持通义千问官方模型及符合OpenAI规范的自定义服务。
1、进入agentrun控制台，在顶部菜单栏点击模型管理 → 向量模型。
2、点击添加模型，在弹出对话框中选择API模型类型。
3、填写模型名称（如kb-embedding-cn）与描述（如“中文知识库语义检索”）。
4、在服务提供商下拉框中选择通义千问，或选择自定义服务以接入私有化部署的端点。
5、配置API端点地址、认证方式（如Bearer Token），并测试连接成功后保存。
五、使用Jupyter交互式推理
该方式适合研究、调试与教学场景，可在Notebook环境中逐行执行代码，实时观察文本输入与向量输出的对应关系，便于理解模型行为与验证语义一致性。
1、启动Jupyter Notebook或JupyterLab环境。
2、导入必要库：import torch, numpy as np, requests, json。
3、定义向量化函数，构造符合DashScope OpenAI兼容格式的请求体，包括model、input与encoding_format字段。
4、使用requests.post发送请求，检查响应状态码是否为200，并解析返回JSON中的data字段。
5、提取embedding数组，验证其维度是否为预期值（如2560），并计算两段相似文本向量的余弦相似度。
